論文の概要: TopRank-Based Delivery Rate Optimization for Coded Caching under Non-Uniform Demands

• arxiv url: http://arxiv.org/abs/2603.07292v1
• Date: Sat, 07 Mar 2026 17:22:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-10 15:13:14.209225
• Title: TopRank-Based Delivery Rate Optimization for Coded Caching under Non-Uniform Demands
• Title（参考訳）: 非均一需要下におけるコードキャッシュのTopRankに基づくデリバリ速度最適化
• Authors: Mohammadsaber Bahadori, Seyed Pooya Shariatpanahi, Behnam Bahrak,
• Abstract要約: 本研究では、当初人気分布が不明な条件下で、非一様ファイルの人気を伴う符号化キャッシングの問題について検討する。 本稿では,レコメンダシステムとマルチアームバンディットからアルゴリズムにインスパイアされた手法を提案する。
• 参考スコア（独自算出の注目度）: 1.107499070674694
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We study the problem of coded caching with nonuniform file popularity under the setting where the popularity distribution is initially unknown. By reframing the problem, we propose a method inspired by an algorithm from the recommender-systems literature and multi-armed bandits. Unlike prior approaches, which focus on accurately estimating file popularities, our method ranks files relative to one another and partitions them into groups. This perspective is more consistent with the structure of prior approaches as well, since earlier methods also divided files into popular and non-popular groups after estimating their popularities. The proposed approach relies on differences in request counts between files as the basis for ranking, and under many conditions it outperforms the previous algorithm. In particular, we obtain significantly improved performance in scenarios where the number of users in the network is small, the cache storage capacity is limited, or the learning process of the true popularity of files based on observations is contaminated by exploratory or synthetic requests that do not match the true popularity distribution. In these cases, our policy achieves markedly better performance and attains sublinear regret.
• Abstract（参考訳）: 本研究では、当初人気分布が不明な条件下で、非一様ファイルの人気を伴う符号化キャッシングの問題について検討する。 この問題を再検討することにより,推薦システムとマルチアームバンディットからのアルゴリズムにインスパイアされた手法を提案する。 ファイルの人気度を正確に推定する従来の手法とは異なり、我々の手法はファイルを互いに相対的にランク付けし、それらをグループに分割する。 この観点は、以前の手法でも、その人気を見積もった後、ファイルは人気グループと非人気グループに分けられていたため、以前のアプローチの構造とも一致している。 提案手法は、ファイル間の要求数の違いをランク付けの基盤としており、多くの条件下では、以前のアルゴリズムよりも優れている。 特に,ネットワーク内のユーザ数が少ない場合,キャッシュ容量が限られている場合,あるいは観測に基づくファイルの真の人気の学習プロセスが,真の人気分布と一致しない探索的あるいは合成的な要求によって汚染される場合,性能が大幅に向上する。 このような場合、我々の方針は極めて優れたパフォーマンスを達成し、サブリニアな後悔を得る。

関連論文リスト

• Breaking the Lens of the Telescope: Online Relevance Estimation over Large Retrieval Sets [14.494301139974455]
  本稿では,オンライン関連度推定という新たな手法を提案する。 オンライン関連度推定は、ランキングプロセスを通して、クエリの関連度推定を継続的に更新する。 TRECベンチマークの手法をハイブリッド検索と適応検索の2つのシナリオで検証する。
  論文  参考訳（メタデータ） (2025-04-12T22:05:50Z)
• Efficient and Optimal No-Regret Caching under Partial Observation [11.537072761243344]
  我々は、過去の要求のごく一部しか観測されない、より制限的な環境でキャッシュ問題を調査する。 本稿では,従来のオンライン学習アルゴリズムであるFollow-the-Perturbed-Leaderに基づいて,サブ線形後悔を伴うランダム化キャッシュポリシーを提案する。
  論文  参考訳（メタデータ） (2025-03-04T16:21:33Z)
• Training Greedy Policy for Proposal Batch Selection in Expensive Multi-Objective Combinatorial Optimization [52.80408805368928]
  本稿では,バッチ取得のための新しいグリーディ型サブセット選択アルゴリズムを提案する。 赤蛍光タンパク質に関する実験により,提案手法は1.69倍少ないクエリでベースライン性能を達成できることが判明した。
  論文  参考訳（メタデータ） (2024-06-21T05:57:08Z)
• Test Time Embedding Normalization for Popularity Bias Mitigation [6.145760252113906]
  人気バイアスはレコメンデーションシステムの分野で広く問題となっている。 本稿では,人気バイアスを軽減するための簡易かつ効果的な戦略として,'Test Time Embedding Normalization'を提案する。
  論文  参考訳（メタデータ） (2023-08-22T08:57:44Z)
• Large-Scale Sequential Learning for Recommender and Engineering Systems [91.3755431537592]
  本稿では,現在の状況に適応してパーソナライズされたランキングを提供する自動アルゴリズムの設計に焦点を当てる。 前者はSAROSと呼ばれる新しいアルゴリズムを提案し,インタラクションの順序を学習するためのフィードバックの種類を考慮に入れている。 提案手法は, 電力網の故障検出に対する初期アプローチと比較して, 統計的に有意な結果を示す。
  論文  参考訳（メタデータ） (2022-05-13T21:09:41Z)
• Frequent Itemset-driven Search for Finding Minimum Node Separators in Complex Networks [61.2383572324176]
  本稿では,データマイニングにおける頻繁なアイテムセットマイニングの概念をよく知られたメメティック検索フレームワークに統合する,頻繁なアイテムセット駆動探索手法を提案する。 頻繁なアイテムセット組換え演算子を反復的に使用して、高品質なソリューションで頻繁に発生するアイテムセットに基づいた有望な子孫ソリューションを生成する。 特に、29個の新しい上界を発見し、以前の18個の最もよく知られた境界と一致する。
  論文  参考訳（メタデータ） (2022-01-18T11:16:40Z)
• Adaptive Sampling for Heterogeneous Rank Aggregation from Noisy Pairwise Comparisons [85.5955376526419]
  ランキングアグリゲーション問題では、各項目を比較する際に、様々な精度レベルが示される。 本稿では,ノイズのあるペアワイズ比較によってアイテムのランクを推定する,除去に基づくアクティブサンプリング戦略を提案する。 提案アルゴリズムは,商品の真のランキングを高い確率で返却できることを示す。
  論文  参考訳（メタデータ） (2021-10-08T13:51:55Z)
• Efficient First-Order Contextual Bandits: Prediction, Allocation, and Triangular Discrimination [82.52105963476703]
  統計的学習、オンライン学習、その他における繰り返しのテーマは、低騒音の問題に対してより速い収束率が可能であることである。 1次保証は統計的およびオンライン学習において比較的よく理解されている。 三角識別と呼ばれる対数損失と情報理論量が一階保証を得る上で基本的な役割を担っていることを示す。
  論文  参考訳（メタデータ） (2021-07-05T19:20:34Z)
• PiRank: Learning To Rank via Differentiable Sorting [85.28916333414145]
  ランク付けのための新しい分類可能なサロゲートであるPiRankを提案する。 ピランクは所望の指標をゼロ温度の限界で正確に回収する。
  論文  参考訳（メタデータ） (2020-12-12T05:07:36Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。